HTML::TreeBuilder soll case sensitiv arbeiten (Webframeworks, Sonstige Fragen zur Webprogrammierung mit Perl)

[thread]16266[/thread]

HTML::TreeBuilder soll case sensitiv arbeiten

Tags: perl5 HTML TreeBuilder parsen Ähnliche Threads

Leser: 15

Articles: hide open all | hide show old branches

+4 replies

mcfaq

2011-05-09 18:32

User since
2011-04-20
20 Artikel
BenutzerIn
[default_avatar]

Hallo.

Ich möchte eine html Datei parsen und dabei die Tags in ihrer Originalschreibweise ausgeben. Mein Ansatz dazu war wie folgt.

Datei cpan HTML/TreeBuilder.pm:

Code (perl): (dl )

sub new {                               # constructor!
    my $class = shift;
    $class = ref($class) || $class;

    # Initialize HTML::Element part
    my $self = $class->element_class->new('html');

    {

        # A hack for certain strange versions of Parser:
        my $other_self = HTML::Parser->new();
        %$self = ( %$self, %$other_self );    # copy fields
           # Yes, multiple inheritance is messy.  Kids, don't try this at home.
        bless $other_self, "HTML::TreeBuilder::_hideyhole";

        # whack it out of the HTML::Parser class, to avoid the destructor
    }

Möchte $other_self->case_sensitive("true"); aufrufen, damit der Parser die html tags nicht verändert.

Wie schaffe ich das am einfachsten? Ich habe bereits von TreeBuilder geerbt:

Datei test.pl:

Code (perl): (dl )

#!/usr/bin/perl
use lib "/testscript/modules";
use TemplateTreeBuilder;

my $rootelement = TemplateTreeBuilder->new();

#Ich dachte durch diese Zeile würde es gehen. Aber Pustekuchen: Aber: Es gibt keine Fehlermeldung ?!?
$rootelement->case_sensitive(1);

#nicht standart html Tags werden mit in den Baum aufgenommen.
$rootelement->ignore_unknown(0);

#&amp; in source stays as it is: no decode to &
$rootelement->no_expand_entities(1);

$rootelement->parse_file($ARGV[0]);

Datei TemplateTreeBuilder.pm:

Code (perl): (dl )

#!/usr/bin/perl
package TemplateTreeBuilder;
use lib "/testproject/modules";
use MyElement;
use HTML::TreeBuilder;
#inherit from TreeBuilder
@ISA = qw(HTML::TreeBuilder);
#use parent qw/HTML::TreeBuilder/;

#constructor
sub new {
  my $class = shift;
  $class = ref($class) || $class;
  #invoke base constructor
  my $self = $class->SUPER::new(@_);
  $self->{_element_class}='MyElement';
  bless($self, $class);
  
  
  return $self;
}

return 1;

Datei MyElement.pm:

Code (perl): (dl )

#!/usr/bin/perl
package MyElement;
use HTML::Element;
#inherit from Element
@ISA = qw(HTML::Element);

*HTML::Element::_fold_case = \&HTML::Element::_fold_case_NOT; #overwrite the var from base class

#constructor
sub new {
  my $class = shift;
  $class = ref($class) || $class;
  #invoke base constructor
  my $self = $class->SUPER::new(@_);
  
  bless($self, $class);
  
  return $self;
}

return 1;

Für Tips zur richtigen Umsetzung wäre ich dankbar.

Gruß

mcfaq.

modedit Editiert von GwenDragon: Code in Abschnitte geteilt
Last edited: 2011-05-10 11:19:51 +0200 (CEST)

GwenDragon

2011-05-10 10:05

User since
2005-01-17
14748 Artikel
Admin1

Splitted to HTML::TreeBuilder soll case sensitiv arbeiten split

Original message by 'bianca':

Quote
Ich öffne solche Verlinkungen grundsätzlich nicht....

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten
+2 replies

mcfaq

2011-05-10 13:20

User since
2011-04-20
20 Artikel
BenutzerIn
[default_avatar]

Gelöst:

Intern war der Baum bereits richtig konfiguriert. Das Problem entsteht bei der Ausgabe der Knoten über die Funktionen HTML::Element::starttag bzw. ..::endtag.
Darin wird per Bool Variable $html_uc entweder in Kleinschreibung oder Grosschreibung konvertiert. Die einzigen beiden Lösungen sind:

a) Man benutzt HTML::Element:starttag_XML und HTML::Element:endtag_XML

b) Man überschreibt die Methoden in einer eigenen Klasse.

Ich habe mich für Variante b) entschieden, weil bei der Variante mit XML vielleicht anders escaped wird als bei html. Daher hier nun die geänderte Datei:

Datei MyElement.pm:

Code: (dl )

#!/usr/bin/perl
package MyElement;
use HTML::Element;
#inherit from Element
@ISA = qw(HTML::Element);

sub dummy{
  #HTML::Element::_fold_case_NOT;
  @a = HTML::Element::_fold_case_NOT(@_);
  return @a;
}

*HTML::Element::_fold_case = \&HTML::Element::_fold_case_NOT;
#*_fold_case = \&dummy;

#constructor
sub new {
  my $class = shift;
  $class = ref($class) || $class;
  #invoke base constructor
  my $self = $class->SUPER::new(@_);
  
  bless($self, $class);
  
  return $self;
}

sub starttag {
    my ( $self, $entities ) = @_;

    my $name = $self->{'_tag'};

    return $self->{'text'}              if $name eq '~literal';
    return "<!" . $self->{'text'} . ">" if $name eq '~declaration';
    return "<?" . $self->{'text'} . ">" if $name eq '~pi';

    if ( $name eq '~comment' ) {
        if ( ref( $self->{'text'} || '' ) eq 'ARRAY' ) {

            # Does this ever get used?  And is this right?
            return
                "<!"
                . join( ' ', map( "--$_--", @{ $self->{'text'} } ) ) . ">";
        }
        else {
            return "<!--" . $self->{'text'} . "-->";
        }
    }

    my $tag = "<$name";
    my $val;
    for ( sort keys %$self ) {    # predictable ordering
        next if !length $_ or m/^_/s or $_ eq '/';
        $val = $self->{$_};
        next if !defined $val;    # or ref $val;
        if ($_ eq $val &&         # if attribute is boolean, for this element
            exists( $HTML::Element::boolean_attr{$name} )
            && (ref( $HTML::Element::boolean_attr{$name} )
                ? $HTML::Element::boolean_attr{$name}{$_}
                : $HTML::Element::boolean_attr{$name} eq $_
            )
            )
        {
            $tag .= " $_";
        }
        else {                    # non-boolean attribute

            if ( ref $val eq 'HTML::Element'
                and $val->{_tag} eq '~literal' )
            {
                $val = $val->{text};
            }
            else {
                HTML::Entities::encode_entities( $val, $entities )
                    unless (
                    defined($entities) && !length($entities)
                    || $encoded_content

                    );
            }

            $val = qq{"$val"};
            $tag .= qq{ $_\E=$val};
        }
    }    # for keys
    if ( scalar $self->content_list == 0
        && $self->_empty_element_map->{ $self->tag } )
    {
        return $tag . " />";
    }
    else {
        return $tag . ">";
    }
}

sub endtag {
    "</$_[0]->{'_tag'}>";
}

return 1;

Gruß

mcfaq.
Last edited: 2011-05-10 13:21:34 +0200 (CEST)

GwenDragon

2011-05-10 14:27

User since
2005-01-17
14748 Artikel
Admin1

Die Sinnhaftigkeit der Ausgabe von Kommentaren in der Form  erschließt sich bei mir nicht.
Denn jeder X(HT)ML-Parser im Client wirft das weg.
CDATA-Abschnitte wären da sinnvoller.
die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

View all threads created 2011-05-09 18:32.